卷积神经网络在家具图像检索中的应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景以及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 图像检索技术的研究现状 | 第12-13页 |
| 1.2.2 深度学习领域的研究现状 | 第13-14页 |
| 1.3 主要工作内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第二章 相关理论 | 第16-30页 |
| 2.1 神经网络 | 第16-21页 |
| 2.1.1 神经元 | 第16页 |
| 2.1.2 激励函数 | 第16-19页 |
| 2.1.3 神经网络 | 第19-21页 |
| 2.2 卷积神经网络 | 第21-26页 |
| 2.2.1 卷积核 | 第21页 |
| 2.2.2 稀疏连接 | 第21-22页 |
| 2.2.3 权值共享 | 第22页 |
| 2.2.4 反向传播算法 | 第22-24页 |
| 2.2.5 深度学习的正则化 | 第24-26页 |
| 2.3 基于度量学习的图像检索研究 | 第26-29页 |
| 2.3.1 SiameseNetwork | 第27-28页 |
| 2.3.2 TripletNetwork | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 高质量家具图像数据库检索 | 第30-42页 |
| 3.1 家具图像数据库预处理 | 第30-37页 |
| 3.1.1 家具图像数据库设计 | 第31-32页 |
| 3.1.2 家具图像去重与去不相关 | 第32-37页 |
| 3.2 家具图像检索 | 第37-41页 |
| 3.2.1 GoogLeNetplus网络模型 | 第38-40页 |
| 3.2.2 损失函数 | 第40-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第四章 实验验证与分析 | 第42-53页 |
| 4.1 家具图像数预处理实验 | 第42-45页 |
| 4.2 家具图像检索实验 | 第45-50页 |
| 4.3 原型应用实现 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 研究总结 | 第53页 |
| 5.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间发表的论文 | 第59-61页 |
| 致谢 | 第61页 |
